基于系统原理的飞机系统测试诊断与预测技术9787030777942

前言 

第1章 绪论 1 

1.1 概述 1 

1.2 测试性设计分析技术研究现状 2 

1.2.1 测试性建模方法研究现状 6 

1.2.2 测试策略优化方法研究现状 8 

1.3 故障诊断技术研究现状 9 

1.3.1 故障诊断方法研究现状 9 

1.3.2 诊断策略研究现状 12 

1.3.3 飞机系统故障诊断研究现状 13 

1.4 测试诊断图论模型理论方法研究现状 16 

1.4.1 多信号流图模型研究现状 17 

1.4.2 Petri网模型理论方法研究现状 18 

1.5 故障预测技术研究现状 20 

1.6 维修排故技术研究现状 22 

第2章 基于系统原理与功能结构树的飞机系统故障传播关系分析 25 

2.1 基于系统原理的故障传播关系分析思路 25 

2.2 基于FFA的飞机系统功能结构层次分析 27 

2.3 基于功能结构层次的飞机系统故障模式与传播关系分析 27 

2.3.1 故障特征信息分析 27 

2.3.2 故障模式及传播影响分析 28 

2.3.3 基于功能结构树的故障传播知识表示 30 

2.4 实例 31 

2.4.1 气源系统功能结构层次分析 31 

2.4.2 气源系统功能结构树 32 

第3章 基于系统原理与多信号流的飞机系统测试性分析 34 

3.1 基于系统原理与多信号流的飞机系统测试性建模技术 34 

3.1.1 多信号流模型基本理论 34

3.1.2 SDG图模型方法 39 

3.1.3 多信号流图建模步骤 39 

3.1.4 实例 40 

3.2 基于相关性矩阵的飞机系统测试性分析 55 

3.2.1 扩展D矩阵 55 

3.2.2 测试性分析的内容与算法 56 

3.2.3 实例 60 

3.3 基于DPSO-AO*算法的飞机系统测试策略优化设计 62 

3.3.1 测试策略优化问题的数学描述 63 

3.3.2 AO*算法与测试序列优化问题的结合 64 

3.3.3 离散粒子群优化算法 67 

3.3.4 基于DPSO-AO*算法的测试策略优化步骤 68 

3.3.5 实例 71 

第4章 基于系统原理和多信号流的飞机系统测试诊断 75 

4.1 基于系统原理与多信号流的测试诊断建模 75 

4.1.1 基于系统原理与多信号流的测试诊断建模思想 75 

4.1.2 基于系统原理和多信号流的测试诊断骨架建模 77 

4.1.3 基于 FMEA 的故障和测试信息建模 79 

4.2 测试诊断模型的测试性分析和评估 81 

4.2.1 故障-测试相关性矩阵 81 

4.2.2 测试性指标 82 

4.3 基于AO*算法的诊断策略优化生成 83 

4.3.1 诊断策略的基本理论 83 

4.3.2 诊断策略优化生成的AO*搜索算法步骤 85 

4.3.3 气源系统诊断策略优化 89 

4.4 飞机系统基于多值测试的诊断策略优化 90 

4.4.1 飞机系统的故障诊断问题 90 

4.4.2 多值测试诊断策略的构成要素 91 

4.4.3 诊断策略优化目标 91 

4.4.4 基于测试诊断模型的多值测试相关性矩阵 92 

4.5 基于rollout和信息熵的多值测试诊断策略构建 92 

4.5.1 多值测试诊断策略的构建流程 92 

4.5.2 基于rollout和信息熵的多值测试诊断策略 94

4.6 实例 97 

4.6.1 发动机引气系统测试诊断模型建立 97 

4.6.2 发动机引气系统测试策略优化 100 

第5章 基于故障传播机理和Petri网的飞机系统故障诊断技术 103 

5.1 故障诊断Petri网模型 103 

5.1.1Petri网模型理论基础 103 

5.1.2 扩展染色模糊故障Petri网(CFFPN)模型 107 

5.1.3 CFFPN模型建模方法 109 

5.2 基于CFFPN模型的故障诊断推理 111 

5.2.1 基于CFFPN模型的正向推理算法 112 

5.2.2 基于CFFPN模型的逆向推理算法 114 

5.3 故障诊断过程CFFPN模型参数优化 115 

5.3.1 CFFPN模型模糊推理函数建立 115 

5.3.2 基于BP误差算法的CFFPN模型参数优化 116 

5.4 实例 119 

5.4.1 某型飞机气源系统CFFPN模型建立 119 

5.4.2 确定初始值 123 

5.4.3 APU引气系统正向推理 123 

5.4.4 APU引气系统逆向推理 125 

5.4.5 参数优化和性能评估 127 

第6章 基于系统原理和TFM三维信息流的飞机系统诊断排故技术 130 

6.1 TFM三维信息流建模 130 

6.1.1 TFM三维信息流建模思路 130 

6.1.2 TFM三维信息流模型定义 131 

6.1.3 TFM框架建模 131 

6.1.4 基于多信号流图方法的测试-故障信息关联 136 

6.1.5 基于贝叶斯网络的故障-维修信息映射 137 

6.2 基于本体与蚁群的维修排故信息集成 144 

6.2.1 基于本体与蚁群的维修排故信息集成思路 144 

6.2.2 维修排故信息初始本体建模 146 

6.2.3 基于蚁群信息素的本体合成优化 150 

6.2.4 实例 153 

6.3 基于TFM三维信息流模型的诊断排故算法 155 

6.3.1 基于优化信息熵的故障诊断算法 155 

6.3.2 基于模糊遗传神经网络与语义关联搜索的排故信息推送算法 159 

6.3.3 语义关联搜索算法 159 

6.3.4 排故信息推送的实现流程 160 

第7章 基于测试诊断模型的飞机系统故障状态识别和故障预测 161 

7.1 故障特征提取方法 161 

7.2 基于HSMM的故障状态识别和故障预测 162 

7.2.1 隐马尔可夫模型和隐半马尔可夫模型的原理 162 

7.2.2 HSMM的基本算法 164 

7.2.3 基于HSMM的故障状态识别过程 167 

7.2.4 基于HSMM的故障预测过程 168 

7.3 基于改进粒子群的HSMM模型训练方法 169 

7.3.1 粒子群优化 169 

7.3.2 改进的粒子群算法 170 

7.3.3 基于改进粒子群的HSMM模型训练算法 171 

7.4 基于遗传模糊神经网络的动态预测算法 171 

7.4.1 遗传算法 171 

7.4.2 模糊神经网络 172 

7.4.3 基于模糊神经网络与遗传算法的动态预测算法 174 

7.5 实例 175 

7.5.1 故障状态识别 175 

7.5.2 故障预测 177 

参考文献 179

第1章绪论

1.1概述

伴随着航空技术的迅猛发展，如今全球的民航业正处于快速增长上升的时期。航班安全是全球民航业共同的追求目标，是民航业发展的立足之本，它不仅会影响到民航业的形象及经济利益，更重要的是它关乎乘客和机组人员的生命和财产安全。影响航班安全和按时起降的诸多因素包括天气、飞机系统故障、飞行员的素质、空管能力以及机场设施等，在这些因素当中，飞机系统故障因为相对频发且造成的危害较大，是其中的主要因素之一。随着现代化机械设备的复杂化和智能化的程度越来越高，设备的功能不断增加，单一因素对整个设备系统的影响也越来越大。复杂系统内一个小小的故障，也可能会产生类似多米诺骨牌的效应，最终导致整个系统失效，带来巨大的经济损失，甚至威